Un ingeniero de Staff de una empresa ha desarrollado un sistema de gestión del conocimiento que utiliza el propio sistema de archivos como una base de datos de grafos, sin necesidad de infraestructura adicional como bases de datos vectoriales o pipelines RAG. El sistema, basado en archivos Markdown y wikilinks, organiza la información en carpetas con una taxonomía (como PARA) para representar proyectos, áreas de interés, personas y registros diarios de reuniones. Al vincular notas de reuniones y documentos a personas y proyectos, se crea una línea de tiempo contextualizada que facilita la recuperación de información y mejora la calidad de las interacciones con modelos de lenguaje grandes (LLMs). El sistema permite a los LLMs trabajar con el contexto real de un proyecto, generando documentos de diseño, propuestas y otros materiales con mayor precisión que si se basaran en resúmenes o prompts genéricos. El desafío actual reside en automatizar el procesamiento de la bandeja de entrada (inbox) para categorizar y resumir de forma consistente la información entrante. El método, que se puede implementar con un número reducido de archivos, ofrece una forma de 'ingeniería de contexto' para optimizar el uso de LLMs.
Noticias agregadas con IA